論文の概要: Towards A Process Model for Co-Creating AI Experiences
- arxiv url: http://arxiv.org/abs/2104.07595v1
- Date: Thu, 15 Apr 2021 16:53:34 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-16 14:50:03.868940
- Title: Towards A Process Model for Co-Creating AI Experiences
- Title（参考訳）: AI体験を共同生成するプロセスモデルに向けて
- Authors: Hariharan Subramonyam, Colleen Seifert, Eytan Adar
- Abstract要約: テクノロジーをデザイン素材として考えることは、デザイナーにとって魅力的です。
材料として、AIは設計プロセス自体の一部としてその特性が現れるため、このアプローチに抵抗します。
10組のデザイナーとエンジニアによるデザイン研究により、共創過程を調査します。
- 参考スコア（独自算出の注目度）: 16.767362787750418
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Thinking of technology as a design material is appealing. It encourages
designers to explore the material's properties to understand its capabilities
and limitations, a prerequisite to generative design thinking. However, as a
material, AI resists this approach because its properties emerge as part of the
design process itself. Therefore, designers and AI engineers must collaborate
in new ways to create both the material and its application experience. We
investigate the co-creation process through a design study with 10 pairs of
designers and engineers. We find that design 'probes' with user data are a
useful tool in defining AI materials. Through data probes, designers construct
designerly representations of the envisioned AI experience (AIX) to identify
desirable AI characteristics. Data probes facilitate divergent thinking,
material testing, and design validation. Based on our findings, we propose a
process model for co-creating AIX and offer design considerations for
incorporating data probes in design tools.
- Abstract（参考訳）: デザイン素材としてのテクノロジーは魅力的だ。
設計者は材料の性質を探求し、その能力と限界を理解することを奨励し、生成的デザイン思考の前提となる。
しかし、材料としてaiは、その特性が設計プロセス自体の一部として現れるため、このアプローチに抵抗する。
したがって、デザイナーとAIエンジニアは、素材とアプリケーションエクスペリエンスの両方を作るために、新しい方法で協力する必要があります。
10組のデザイナーとエンジニアによるデザイン研究を通じて共同制作プロセスについて検討した。
ユーザデータによる‘プローブ’の設計は,AI資料を定義する上で有用なツールであることが分かっています。
データプローブを通じてデザイナは、想定されるAIエクスペリエンス(AIX)を設計的に表現して、望ましいAI特性を特定する。
データプローブは、異なる思考、物質テスト、設計検証を促進する。
本稿では,aixを共同生成するプロセスモデルを提案し,設計ツールにデータプローブを組み込むための設計上の考慮事項を提案する。
関連論文リスト
- Empowering Clients: Transformation of Design Processes Due to Generative AI [1.4003044924094596]
この研究は、AIがアイデアの迅速な視覚化を通じて、クライアントが設計プロセスに参加することを可能にすることによって、アイデアのフェーズを破壊できることを明らかにしている。
私たちの研究は、AIが設計に対して貴重なフィードバックを提供することができる一方で、そのような設計を生成できない可能性があることを示しています。
アーキテクチャの解釈的主権と,AIが設計プロセスのオーサシップをますます引き継ぐにつれて,意味とアイデンティティの喪失について,アーキテクトの間に不確実性があることも明らかになった。
論文 参考訳（メタデータ） (2024-11-22T16:48:15Z) - Data Analysis in the Era of Generative AI [56.44807642944589]
本稿では,AIを活用したデータ分析ツールの可能性について考察する。
我々は、大規模言語とマルチモーダルモデルの出現が、データ分析ワークフローの様々な段階を強化する新しい機会を提供する方法について検討する。
次に、直感的なインタラクションを促進し、ユーザ信頼を構築し、AI支援分析ワークフローを複数のアプリにわたって合理化するための、人間中心の設計原則を調べます。
論文 参考訳（メタデータ） (2024-09-27T06:31:03Z) - I-Design: Personalized LLM Interior Designer [57.00412237555167]
I-Designはパーソナライズされたインテリアデザイナで、自然言語によるコミュニケーションを通じて設計目標の生成と視覚化を可能にする。
I-Designは、対話や論理的推論に従事する大きな言語モデルエージェントのチームから始まる。
最終的な設計は、既存のオブジェクトデータベースから資産を取り出し、統合することで、3Dで構築されます。
論文 参考訳（メタデータ） (2024-04-03T16:17:53Z) - Content-Centric Prototyping of Generative AI Applications: Emerging
Approaches and Challenges in Collaborative Software Teams [2.369736515233951]
私たちの研究は、共同ソフトウェアチームがいかにして設計ガイドラインと価値を適用して適用し、反復的にプロトタイププロンプトを作成し、望ましい結果を達成するためのプロンプトを評価するかを理解することを目的としています。
その結果,コンテンツ中心のプロトタイピングアプローチとして,生成したいコンテンツから始めて,特定の属性,制約,値を識別し,ユーザがそれらの属性に影響を与えて対話する手段を探索する,という方法が明らかになった。
論文 参考訳（メタデータ） (2024-02-27T17:56:10Z) - Geometric Deep Learning for Computer-Aided Design: A Survey [85.79012726689511]
本調査では,コンピュータ支援設計における学習手法の概要について概観する。
類似性解析と検索、2Dおよび3DCADモデル合成、点雲からのCAD生成を含む。
ベンチマークデータセットとその特性の完全なリストと、この領域の研究を推進しているオープンソースコードを提供する。
論文 参考訳（メタデータ） (2024-02-27T17:11:35Z) - Exploring Challenges and Opportunities to Support Designers in Learning
to Co-create with AI-based Manufacturing Design Tools [31.685493295306387]
AIベースのデザインツールは、複雑な製造や設計タスクでエンジニアリングや工業デザイナーを支援するために、プロのソフトウェアで急速に普及している。
これらのツールは、伝統的なコンピュータ支援デザインツールよりもエージェント的な役割を担い、しばしば「コ・クリエーター」として表現される。
これまでのところ、エンジニアリングデザイナがAIベースのデザインツールでどのように働くかはほとんどわかっていません。
論文 参考訳（メタデータ） (2023-03-01T02:57:05Z) - Designerly Understanding: Information Needs for Model Transparency to
Support Design Ideation for AI-Powered User Experience [42.73738624139124]
設計者は、事前訓練された言語モデルなどのAI技術を設計材料として理解するハードルに直面します。
これにより、AIの使用方法、場所、使用方法について、アイデアと意思決定の能力が制限される。
私たちの研究は、UXデザイナがResponsible AIで果たせる重要な役割を強調します。
論文 参考訳（メタデータ） (2023-02-21T02:06:24Z) - Design Space Exploration and Explanation via Conditional Variational
Autoencoders in Meta-model-based Conceptual Design of Pedestrian Bridges [52.77024349608834]
本稿では,条件付き変分オートエンコーダ(CVAE)による人間設計者向上のための性能駆動型設計探索フレームワークを提案する。
CVAEはスイスの歩行者橋の合成例18万件で訓練されている。
論文 参考訳（メタデータ） (2022-11-29T17:28:31Z) - Investigating Positive and Negative Qualities of Human-in-the-Loop
Optimization for Designing Interaction Techniques [55.492211642128446]
設計者は、与えられた目的の集合を最大化する設計パラメータの組み合わせを見つけるよう求められる設計最適化タスクに苦労すると言われている。
モデルベースの計算設計アルゴリズムは、設計中に設計例を生成することでデザイナを支援する。
一方、補助のためのブラックボックスメソッドは、あらゆる設計問題に対処できる。
論文 参考訳（メタデータ） (2022-04-15T20:40:43Z) - Question-Driven Design Process for Explainable AI User Experiences [12.883597052015109]
デザイナーは、最適なXAI技術を選択し、それらをUXソリューションに変換する方法の課題に取り組んでいます。
本稿では,ユーザのニーズ,XAI技術の選択,設計,XAI UXの評価を基礎とした質問駆動設計プロセスを提案する。
設計者とAIエンジニアのコラボレーションを支援するバウンダリオブジェクトとして、原型的ユーザ質問とXAI技術の例の間のマッピングガイドを提供します。
論文 参考訳（メタデータ） (2021-04-08T02:51:36Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。